摘要
针对实际应用中由于用户和资源数量十分庞大产生的数据稀疏的问题，本文通过建立基于标签的群体用户模型进行资源推荐。首先定义了用户群体的概念，研究利用用户的特征属性发现用户群体，建立基于群体的用户模型，然后融合社会化评分和标签计算用户对资源的兴趣度。实验证明，利用群体用户模型的特点能有效缓解用户数据稀疏的问题，提高推荐效果。
In the practical application, the quantity of users and resources is very large. User data can become extremely sparse, so we put forward a user interest model based on group effect for resource recommendation. First, we defined the concept of user groups. Then we study on the characteristics of user attributes to found user groups, and build a model based on user groups. Finally, we use social tag and rating data to predict user interest in resource and recommend it to user. Experiment shows that the characteristics of user group model can effectively alleviate the problem of user data sparseness, and improve the accuracy of recommendation results.
出处
《情报学报》
CSSCI
北大核心
2014年第12期1302-1310,共9页
Journal of the China Society for Scientific and Technical Information
基金
国家自然科学基金（71071141）；国家科技支撑计划项目（2014BAH24F006）；浙江省自然科学基金项目（LY14F020002）；本文是教育部人文社科重点研究基地浙江工商大学现代商贸研究中心和浙江省2011协同创新中心-现代商贸流通体系建设协同创新中心的资助课题成果（14SMXY04YB）。
关键词
社会化评分
标签
用户群
推荐
social rating
ragging
user group
recommendation
作者简介
琚春华，男，1962年生，博士，教授，博士生导师，主要研究方向：数据挖掘与商务智能。
鲍福光，男，1986年生，博士研究生，主要研究方向：数据挖掘、电子商务与物流优化，E-mail：baofuguang@126．com。
刘中军，男，1989年生，硕士研究生，主要研究方向：个性化信息推荐。
